Hoe ziet de fiscalist in 2030 eruit en welke keuzes maakt je kantoor daarvoor vandaag?

Een keynote over de fiscalist in 2030 voor de partners van een accountants- en belastingadvieskantoor: geen voorspelling, maar een denkhorizon, één fictief cliëntdossier in zes stappen, en de vraag wie het oordeel draagt als AI de voorbereiding doet.

Door Ron Meijer RB Datum vrijdag 25 september 2026 Leestijd 21 minuten Woorden 5.200

Het korte antwoord

De fiscalist in 2030 helpt de ondernemer kiezen onder onzekerheid: AI bereidt voor, de fiscalist draagt het oordeel en kan het advies zelfstandig verdedigen. Dat was de kern van de keynote die ik op woensdag 23 september 2026 verzorgde op de strategiedag van de fiscale praktijk van een accountants- en belastingadvieskantoor, een middag van half twee tot half zes voor de partners. Geen toekomstvisie, maar een werkhypothese: productiviteitswinst en de ontwikkeling van zelfstandig oordeel moeten samen ontworpen worden.

Daarom volgden we één fictief cliëntdossier, Zilvermeeuw Machinebouw BV, in zes stappen, en keken we bij elke stap wat AI kan en wat de fiscalist moet. De onderbouwing komt uit onderzoek met grenzen: 758 consultants van BCG werden met AI sneller en beter binnen het bereik van het model en vaker fout erbuiten, en bijna duizend scholieren scoorden na oefenen met een vrije chatbot 17 procent lager op de toets zonder hulp. Het programma sloot af met wat er in 2028 al moet staan en met een voorstel voor de eerste negentig dagen. Hieronder staat het uitgewerkt. Wil je deze keynote over de fiscalist in 2030 voor je eigen kantoor, kijk dan op de keynote-pagina.

Fiscalist in 2030: waarom een denkhorizon en geen voorspelling?

Ik begon de middag met een waarschuwing aan mezelf. 2030 is vandaag een denkhorizon. Ik gebruik die om onze huidige keuzes te onderzoeken, niet om een exacte voorspelling te doen. De rode draad is vakmanschap: wat moet iemand begrijpen om een uitkomst te kunnen beoordelen en er verantwoordelijkheid voor te nemen?

De gewenste fiscalist in 2030 is dan snel geformuleerd. Hij of zij helpt de ondernemer kiezen onder onzekerheid, verbindt feiten, fiscale kennis en cliëntdoelen, gebruikt AI waar dat verantwoord is en kan het advies zelfstandig dragen. De vraag die daarbij hoort: waarvoor moet de cliënt ons in 2030 willen bellen?

Wat vraagt de ondernemer aan de fiscalist in 2030?

“Ik wil investeren en later mijn onderneming overdragen. Welke keuzes moet ik nu maken?” Dat is de vraag zoals een ondernemer hem stelt. Niet: wat is de fiscaal optimale route. Kijk naar wat hij eigenlijk koopt. Helderheid over opties. Gevolgen. Welke feiten nog ontbreken. En wanneer het volgende beslismoment is. Geen belofte van de laagste belasting. Geen volledige zekerheid. Daar zit de waarde van de fiscalist in 2030: het gesprek ordenen en de keuze mogelijk maken. Een model kan de opties opsommen. De ondernemer belt ons voor de afweging.

Wie is Sanne, de fiscalist in 2030?

Sanne is fictief, maar alles wat ze doet, gebeurt vandaag al ergens. Ik heb haar bewust geen leeftijd en geen functietitel gegeven. Of Sanne in 2030 senior is, of een medior op weg daarnaartoe, hangt af van wat een kantoor de komende jaren besluit. De trainee die je in januari 2027 aanneemt, is in 2030 een medior en in 2033 een senior. Sanne ontstaat niet vanzelf.

De Sannes zijn overigens al binnen. Uit het NOB-onderzoek van 11 september 2026 onder 799 respondenten blijkt dat zo’n 80 procent van de junior fiscalisten AI dagelijks gebruikt, tegen 53 procent van de senioren. Het is onderzoek van een beroepsorganisatie met mogelijk zelfselectie van respondenten, dus richting, geen exacte stand. De vraag is niet óf juniors AI gebruiken. De vraag is wat ze ervan leren.

Vier momenten uit een gewone werkdag van Sanne, de fiscalist in 2030. Ze bespreekt een ontbrekend dossierfeit met de junior. Ze toetst een AI-concept aan primaire bronnen, niet aan een samenvatting ervan. Ze weegt routes samen met de cliënt, aan tafel. En ze laat de junior de redenering verdedigen, niet de uitkomst voorlezen. Let op wat AI doet: het bereidt voor. En wat Sanne doet: zij draagt het oordeel. Bij alle vier de momenten. De opleidingsvraag van de middag volgt daaruit: wat moet zij daarvoor beheersen?

Hoe ziet het kantoor eruit waarin de fiscalist in 2030 werkt?

De fiscalist in 2030 werkt niet alleen. Vijf eigenschappen van het kantoor waarin ze kan werken: cliëntdata die bruikbaar én afgeschermd zijn. Adviezen die navolgbaar en herleidbaar zijn: bron, aanname, afweging. Review die tijd heeft en een eigenaar, want review zonder tijd is een vinkje. Medewerkers die aantoonbaar oordeel ontwikkelen. En een prijs die past bij wat is afgesproken. Ik zei er in de zaal nadrukkelijk bij dat dit geen diagnose van het kantoor is. Het is een meetlat om naast de eigen praktijk te leggen.

En dan de spanning achter de ambitie. Als voorbereiding sneller wordt, komt er ruimte vrij. Meer dossiers per persoon, beter cliëntcontact, diepere analyse of opleiding? Dat is een keuze, en die keuze wordt gemaakt, ook als niemand hem uitspreekt. Meestal wint dan het volume. Daarom de vraag aan de partners: welke kwaliteit mag bij groei nooit worden ingeruild? En: tijdwinst en de vraag naar extra advies moeten gemeten worden, niet aangenomen. Juridische professionals verwachten volgens het Future of Professionals Report 2025 van Thomson Reuters bijna 240 uur per jaar vrij te spelen. Dat is een verwachting uit leveranciersonderzoek, geen meting.

Waarom drie omgevingen in plaats van één toekomst?

Niemand weet hoe snel AI beter wordt, en dus ook niet hoe de fiscalist in 2030 precies werkt. Daarom schetste ik drie omgevingen, geen voorspelling. Eén: snelle automatisering, betrouwbare ondersteuning breed beschikbaar, controle blijft nodig maar wordt efficiënter. Twee: veel AI, dure controle. Het model produceert snel, maar de review vreet tijd en de netto winst valt tegen. Drie: beperkte inzet, omdat datakwaliteit of complexiteit de winst beperkt en handwerk langer nodig blijft.

De vraag die ik meegaf: welke investering is in alle drie de omgevingen verstandig? Mijn antwoord, en dat is een mening: bekwaamheid, herleidbaarheid en review. Die betalen zich in elke omgeving uit. Een specifieke tool niet. En kies per werkstroom, niet voor het hele kantoor. Aangiften en advies zitten zelden in dezelfde omgeving.

Wat doet AI in een cliëntdossier en wat doet de fiscalist in 2030?

Om de fiscalist in 2030 concreet te maken volgden we één dossier. Zilvermeeuw Machinebouw BV, fictief: een technisch bedrijf dat een machine-investering overweegt en later wil overdragen aan de volgende generatie. De naam is verzonnen. Bestaat er toevallig een onderneming met deze of een vergelijkbare naam, dan is dat toeval; de casus gaat niet over een bestaand bedrijf. We kennen nog niet alle contracten, de financiering, de eigendomsverhoudingen of de doelen van de cliënt. Dat is expres. Zo begint bijna elk echt dossier. Ik gaf geen fiscaal eindadvies over Zilvermeeuw; dat was niet het doel en het kon met deze feiten ook niet.

Welk hulpmiddel past bij welk werk?

Eerst het onderscheid dat de meeste ongelukken voorkomt. Generatieve AI is goed in concepten en het ordenen van informatie. Een zoekvoorziening geeft vindplaatsen van bronnen. Een rekenmodel geeft reproduceerbare berekeningen; een taalmodel niet, dat voorspelt woorden, ook als het getallen zijn. En de fiscalist in 2030 doet, net als nu, duiding, afweging en vrijgave. De combinatie is de voorbereiding. Het oordeel blijft bij de mens.

De belangrijkste zin daarbij: toegang tot een bron bewijst nog niet dat het antwoord klopt. Een model dat een link geeft, kan naast die link nog steeds iets verzinnen. NIST noemt dat in paragraaf 2.2 van AI 600-1 confabulatie: overtuigende, onjuiste inhoud. De vraag aan de zaal: welke van deze vier hulpmiddelen gebruiken jullie mensen vandaag door elkaar, alsof het één ding is? Meestal is dat het taalmodel als rekenmodel én als zoekmachine.

Stap 1, intake: wie onderscheidt feit, bewijs en aanname?

AI maakt uit de toegestane stukken een feitenlijst: feit, vindplaats, en wat ontbreekt. Toegestane stukken, dus alleen wat via een goedgekeurde route het systeem in mag. De fiscalist doet iets wat het model niet kan: onderscheid maken tussen een mededeling van de cliënt, bewijs in een stuk, en een aanname. In de casus: een voorgenomen investering is nog geen getekende overeenkomst. Werkwijze: stop bij ontbrekende feiten, vul ze niet in. Een model vult van nature in; het is gebouwd om een plausibel vervolg te geven. Dat is precies wat je bij intake niet wilt.

Stap 2, aangiftevoorbereiding: welke controle blijft als het totaal klopt?

AI maakt een aansluitingslijst tussen dossierstukken en de aangiftevoorbereiding. Een rekenmodel controleert de totalen. De medewerker controleert periode, volledigheid en fiscale kwalificatie. En dan de regel die pijn doet: stop bij onverklaarde verschillen, geen automatische indiening. Welke controle blijft nodig, ook als het totaal klopt? De kwalificatie. Een totaal kan kloppen terwijl een post verkeerd is gekwalificeerd. Dat ziet een rekenmodel niet. Dat ziet iemand die het vak kent, en dat is ook in 2030 de fiscalist.

De context maakt dit urgenter. Het kabinet wil e-facturatie voor B2B-transacties per 1 juli 2030 verplicht maken, met digitale rapportage aan de Belastingdienst per 1 juli 2031; het wetsvoorstel volgt in 2027, dus details kunnen schuiven. Aangiftewerk wordt daarmee steeds meer aansluiten en kwalificeren, steeds minder invoeren.

Stap 3, bronnenonderzoek: waarom eerst de rechtsvraag?

Vier stappen. Eerst de rechtsvraag formuleren, vóór je iets aan een model vraagt. Wie geen rechtsvraag heeft, krijgt een antwoord op een andere vraag. Dan primaire bronnen zoeken. Dan openen: het artikel, de uitspraak zelf. Controleer rechtsjaar, toepassingsvoorwaarden en context. Bij Zilvermeeuw: de investeringsvraag en de overdrachtsvraag afzonderlijk onderzoeken, want ze hebben verschillende bronnen en verschillende tijdlijnen. Een gevonden ECLI of hyperlink is een beginpunt. Ik heb in trainingen modellen ECLI-nummers zien produceren die er perfect uitzien en niet bestaan. Of wél bestaan, maar over iets anders gaan.

Stap 4, advies: welke aanname draagt de voorkeursroute?

Hier mag AI een voorlopige vergelijking ordenen: routes naast elkaar, aannames per route zichtbaar. De fiscalist weegt de fiscale gevolgen naast financiering, zeggenschap en familiebelangen. Bij Zilvermeeuw is de vraag: welke route kan fiscaal aantrekkelijk lijken, maar is voor déze ondernemer ongeschikt? Omdat de opvolger er nog niet klaar voor is. Omdat de financier iets anders eist. Omdat de familie het anders wil. Ik noemde die middag geen fiscale uitkomsten en geen actuele percentages, omdat ze zonder de feiten van Zilvermeeuw niets betekenen. De toets: welke aanname draagt de voorkeursroute? Als je die niet kunt benoemen, is het advies nog niet klaar. En de vraag aan de partners: wanneer heb je voor het laatst een fiscaal aantrekkelijke route afgeraden om een niet-fiscale reden? Dat verhaal is de kern van senioroordeel, en van het werk van de fiscalist in 2030.

Stap 5, controle: wat is het sterkste tegenargument?

De reviewer controleert dragende feiten, primaire bronnen en berekeningen. En vraagt om het sterkste tegenargument. Dat laatste is nieuw voor veel kantoren: niet alleen kijken of het klopt, maar actief zoeken naar waarom het niet zou kloppen. Twee AI-antwoorden tellen niet als onafhankelijk bewijs; twee modellen die hetzelfde zeggen, hebben vaak dezelfde bronnen, of dezelfde fout. Bij kritieke onzekerheid: geen vrijgave. De vraag: wat zou ons voorlopige advies veranderen? Als niemand dat kan zeggen, is de review nog niet af. En staat die vraag op het reviewformulier?

Stap 6, cliëntcommunicatie: welke zin is onveilig?

Twee zinnen. “U kunt deze regeling gebruiken.” Klinkt helder, is onveilig: het belooft een uitkomst terwijl de voorwaarden nog niet zijn vastgesteld. Het betere voorstel: “Dit kan een route zijn. Eerst stellen wij de toepassingsvoorwaarden en uw feiten vast. Daarna vergelijken wij de gevolgen met de alternatieven.” Langer, eerlijker, en het zet de cliënt aan het werk. AI mag helpen formuleren. Een model schrijft van nature de eerste zin, want die is korter en stelliger. Dat is precies waarom de review op toon en voorwaarden bij de mens ligt.

Hoe ziet een bruikbare werkinstructie aan AI eruit?

Zo geeft de fiscalist in 2030 een opdracht aan het model:

Gebruik uitsluitend deze goedgekeurde stukken. Maak een tabel met feit, vindplaats en onzekerheid. Vul ontbrekende feiten niet in. Benoem tegenstrijdigheden. Geef vragen voor de cliënt. Trek nog geen fiscale conclusie.

De instructie beperkt het model tot wat het goed kan en houdt het weg van wat het niet mag. Daarna de resultaatcontrole: iedere dragende regel terugvinden in de bron. Niet steekproefsgewijs. Iedere. En de kleine letters: geen garantie dat een prompt fouten voorkomt. Een goede instructie verkleint de kans. Ze sluit hem niet uit. Wie schrijft bij jullie zulke instructies, en waar staan ze? Dat is de rol van kennisbeheer, en die heeft in de meeste kantoren geen naam.

Wat zegt onderzoek over AI bij kenniswerk, en wat niet?

Twee bronnen die ik wél durf te gebruiken, met hun grenzen. Dell’Acqua en collega’s, Harvard Business School, 2023: 758 consultants van BCG. Binnen het bereik van het model werden ze sneller en beter: ruim 25 procent sneller, ruim 40 procent hogere kwaliteit. Buiten dat bereik, bij een taak die op AI-werk leek maar het niet was, hadden ze mét AI vaker ongelijk dan zonder. De grens tussen die twee is grillig en vooraf onzichtbaar. Geen fiscale benchmark. En NIST AI 600-1: generatieve AI kan overtuigende, onjuiste inhoud produceren. In ons vak kan één feit het verschil maken. Denk aan de bedrijfsopvolgingsregeling.

De conclusie waarmee we de pauze in gingen: AI maakt consultants beter én slechter. Beter bij het werk dat AI kan. Slechter bij werk dat er alleen op leek. En niemand zag het verschil. Het verschil zien is het vak van de fiscalist in 2030. Test daarom de eigen taak, met eigen gegevens en eigen controles. Er is geen universeel besparingspercentage. Wie je er één verkoopt, verkoopt je iets anders.

Wat verkoopt het kantoor in 2030 en wat is de rekensom?

Na de pauze de vraag wat het kantoor van de fiscalist in 2030 eigenlijk verkoopt. Naast de afgesproken compliance kan het kantoor periodieke beslisgesprekken aanbieden: wat verandert er in de onderneming, welke fiscale vragen volgen daaruit, wanneer is advies nodig? Dat is de Zilvermeeuw-vraag als dienst: niet wachten tot de ondernemer belt, maar het gesprek op de kalender zetten. Voorwaarde: scope, frequentie en verantwoordelijkheid vooraf vastleggen. En eerlijk: of cliënten dit willen afnemen, is te verifiëren. Ik heb daar geen cijfers over. Dat test je door het aan tien cliënten te vragen.

Hoeveel tijd bespaart AI echt? De rekensom

Alle getallen fictief, geen winstclaim. Voorbereiding: zonder AI 180 minuten, met AI 75. Klinkt als 105 minuten winst. Maar review en herstel gaan van 60 naar 120 minuten. Je controleert een concept dat je niet zelf hebt geschreven, en je moet de bronnen openen. Netto 45 minuten. En dan zijn toolkosten, inrichting en opleiding nog niet meegerekend.

Dit is het patroon dat Brynjolfsson, Rock en Syverson de productiviteits-J-curve noemen: eerst investeren in het complementaire werk, dan pas rendement. De les: reken review en herstel altijd mee. Wie alleen de voorbereiding meet, overschat de winst met een factor twee. Welke van deze drie regels kun je in een proef echt meten? Meestal wel de voorbereiding, zelden review en herstel. Dat is precies waarom de nulmeting in de eerste negentig dagen zit.

Welk prijsmodel past bij AI-ondersteund advies?

Drie modellen, elk met een vraag. Uurtarief: als de voorbereiding korter wordt, wat betekent dat voor de omzet? Vaste prijs: wie draagt complexiteit en herstel als het tegenvalt? Abonnement: welke bereikbaarheid en welke werkzaamheden zijn inbegrepen? Geen van de drie is per definitie beter. Waarde vraagt een toetsbare afspraak met de cliënt. Ik zei bewust niet dat uurtje-factuurtje onvermijdelijk verdwijnt. Wat ik wel zie: als je het uur blijft meten, beloon je precies het werk dat het model overneemt. Dat is een sturingsvraag, geen prijsvraag. De vraag aan de partners: bij welk cliënttype zou je een vaste prijs voor het beslisgesprek durven noemen?

Hoe organiseer je AI verantwoord in een belastingadvieskantoor?

Vijf rollen achter het advies. Partners kiezen diensten en grenzen. Dossiereigenaren bewaken kwaliteit. Seniors reviewen en begeleiden. HRM organiseert ontwikkeling. IT en privacy ondersteunen veilige toegang. De volgorde is bewust: eerst eigenaarschap, capaciteit en overdrachten bepalen, daarna technologie kiezen. De meeste kantoren doen het andersom: eerst de tool, dan kijken wie ermee werkt. Dat is de J-curve zonder het complementaire deel. En let op de senior: reviewen én begeleiden. Als review meer tijd kost, zoals de rekensom liet zien, en begeleiding ook, dan is de senior fiscalist in 2030 het schaarse punt van dit hele plaatje. Wie is bij jullie vandaag eigenaar van de ontwikkeling van oordeel? Eén naam. Als er geen naam komt, is dat een bevinding, geen verwijt.

Welke regels gelden voor cliëntgegevens en AI?

Twee kaders. De AVG: een grondslag (artikel 6 lid 1), dataminimalisatie (artikel 5 lid 1 onder c, alleen wat nodig is gaat het model in), een verwerkersovereenkomst waar een leverancier verwerker is (artikel 28 lid 3) en beveiliging (artikel 32 lid 1). En de beroepscode: de nieuwe Code of Conduct van de NOB van 22 april 2026 heeft een AI-toelichting bij de artikelen 1, 4 en 9. Die geldt voor NOB-leden; voor RB-leden geldt het Reglement Beroepsuitoefening. Dus: per medewerker de toepasselijke beroepscode verifiëren. Wat verder te verifiëren blijft: eigen code, leverancier, bewaartermijn, internationale doorgifte. Ik doe geen generieke AVG-proof-claim. Niemand kan dat zonder de contracten te lezen.

De AI-verordening geldt intussen al: sinds 2 februari 2025 moet een organisatie die AI inzet de AI-geletterdheid van haar mensen ondersteunen (artikel 4), en sinds 2 augustus 2026 gelden de transparantieregels voor AI-gegenereerde content (artikel 50).

Wie mag wat vrijgeven?

Per werkstroom drie namen: een opsteller, een passende reviewer en een bevoegde vrijgever. Passend betekent: deskundig genoeg voor dit onderwerp, en met tijd. Controle moet uitvoerbaar zijn in tijd en deskundigheid. Anders is het geen controle, maar een handtekening. Vastleggen: dragende bronnen, relevante aannames, afwijkingen van het concept. Een vinkje “mens bekeken” is onvoldoende als niemand de redenering kan uitleggen. Dat is de verantwoording die de fiscalist in 2030 moet kunnen geven. De tuchtrechter, de inspecteur en de cliënt vragen niet óf er een mens naar keek. Ze vragen waarom.

Wat verandert er als AI niet alleen meeschrijft, maar handelt?

Er is een verschil tussen lezen, concepten maken en externe acties: een mail versturen, een aangifte indienen, een dossier wijzigen. Agents kunnen dat laatste steeds vaker. Geef automatisering alleen de rechten die noodzakelijk zijn. Voor een proef: menselijke vrijgave vóór verzending, indiening of dossierwijziging. En een incidentregel: stop de koppeling, stel de gevolgen vast, herstel, en beoordeel meldplichten. Dit komt uit het NIST-risicokader, geen wettelijk protocol, wel gezond verstand op papier. Het punt: bedenk de incidentregel vóór het incident.

Hoe ontstaat de senior van 2030?

Dit was het blok waar de middag om draaide: hoe wordt de trainee van nu de fiscalist in 2030 die het oordeel draagt? Bastani en collega’s, PNAS 2025: bijna duizend scholieren, wiskunde. Met een vrij toegankelijke chatbot maakten ze in de oefenfase veel meer opgaven goed. Op de toets zónder hulp scoorden ze daarna 17 procent slechter dan de groep zonder AI. De groep met een chatbot die alleen hints gaf en geen antwoorden, hield het leereffect vast. Dit is wiskunde bij scholieren, geen fiscale effectmeting. Maar het mechanisme is herkenbaar: oefenprestatie is niet hetzelfde als zelfstandig leren. Het risico voor ons vak: productie groeit sneller dan begrip.

Wie twijfelt of dit ook voor professionals geldt: ervaren endoscopisten detecteerden na enkele maanden AI-gebruik zónder AI minder poliepen, van 28,4 naar 22,4 procent, observationeel bij 19 artsen (The Lancet Gastroenterology & Hepatology00133-5/abstract), augustus 2025). En in een gerandomiseerd experiment van Anthropic, januari 2026, gaf leren met AI-hulp 17 procent lagere toetsscores, behalve bij wie het model vragen stelde in plaats van het werk liet doen. Jong bewijs, niet fiscaal, wel dezelfde richting.

Het voorstel: behoud eigen analyse, gerichte feedback en toetsing zonder AI. De vraag aan de partners: hoe hebben jullie zelf het vak geleerd? Meestal is het antwoord aangiften, bezwaren, en rode strepen van een senior. Dat werk verdwijnt het eerst. Welk leerwerk verdwijnt als wij alleen op snelheid sturen?

Wat leert de junior? Feiten en bronnen wegen

Eerst een eigen feitenlijst en een eigen rechtsvraag. Dan pas een AI-concept vergelijken met primaire bronnen. De begeleider bespreekt één gemiste aanname, niet tien. In de casus: de junior legt uit waarom “gepland” niet hetzelfde is als “vastgelegd”. Promotiebewijs: dat zelfstandig kunnen uitleggen op een nieuwe casus, niet op de casus waarop is geoefend. Dit leunt op Collins, Brown en Holum, cognitive apprenticeship: voordoen, coachen, steun afbouwen, laten verwoorden, laten reflecteren. Theorie, geen bewezen fiscaal leerpad. Maar het is de theorie achter hoe de partners in de zaal zelf zijn opgeleid. Alleen nu expliciet.

Wat leert de medior? Integraal adviseren

De medior weegt alternatieven, voert een cliëntgesprek onder passende supervisie en herkent wanneer specialistische hulp nodig is. Dat laatste is een senioreigenschap: weten wat je niet weet. In de casus veranderen we een cliëntdoel of dossierfeit. De medior moet uitleggen welk deel van de eerdere analyse standhoudt en welk deel opnieuw moet worden bekeken. Bekwaamheid blijkt uit overdraagbaar inzicht, niet alleen uit een verzorgde notitie.

Wanneer ben je senior? Bekwaamheid in plaats van anciënniteit

Een senior kan een complex standpunt onderbouwen, de eigen deskundigheidsgrens benoemen en juniors begeleiden. Geen vaste termijn van junior naar senior. Dit is de breuk met hoe het nu gaat: zeven jaar en dan ben je senior. Voor de fiscalist in 2030 is senioriteit geen jaartal, maar een aantoonbaar niveau.

De meetlat leen ik van de geneeskunde. Artsen in opleiding worden sinds 2005 beoordeeld op wat ze toevertrouwd krijgen, de entrustable professional activities van Olle ten Cate, in vijf niveaus: kijkt mee, doet het onder supervisie, doet het met supervisie op afroep, doet het zelfstandig, superviseert anderen. Voor de fiscalist heb ik acht kernactiviteiten geformuleerd, van feiten en bronnen vaststellen en AI-output beoordelen tot standpunt innemen, cliëntgesprek voeren, bedrijfsopvolging adviseren en kennis delen. Bij de senior verwacht ik minimaal niveau 4 op alle acht.

Hoe ziet de route van trainee naar senior eruit?

Jaar één, trainee: elke casus eerst zelf, dan met AI, dan vergelijken. Eén dag per week in de simulator met geanonimiseerde dossiers uit het eigen archief, inclusief de fouten van toen. Vanaf maand drie aan tafel bij de cliënt als toehoorder. Leest tien beslisverslagen van seniors en stelt er vragen over. Bewijs: niveau 3 op feiten en bronnen en op AI-output beoordelen. Toets: een nieuwe casus, zonder AI, hardop uitleggen.

Jaar twee en drie, junior: reviewt AI-concepten en legt uit waarom iets wel of niet klopt. Bouwt één eigen werkstroom. Deelportefeuille van 15 tot 20 cliënten onder supervisie. Volgt de beroepsopleiding RB of NOB. Verdedigt standpunten in het vaktechnisch overleg. Bewijs: niveau 3 of 4 op vier van de acht kernactiviteiten, drie standpunten verdedigd tegenover een senior, vijf eigen beslisverslagen.

Jaar vier en vijf, medior: eindverantwoordelijk voor eenvoudige dossiers. Kiest een specialisme. Coacht een trainee. Leidt het cliëntgesprek zelf; de senior zit erbij en zwijgt. Bewijs: niveau 4 op zes van de acht, twee beoordelaars op twee verschillende dossiers, retentie van de eigen portefeuille.

Jaar zes en zeven, senior: tekent, voert cliëntregie, voedt de kennisbank, superviseert. Promotiebesluit: niveau 4 op alle acht kernactiviteiten, niveau 5 op drie. Veertig beslisverslagen. Twee trainees naar niveau 3 gebracht. Drie beoordelaars. Declarabele uren: geen criterium.

Wie doet wat in dit traject? De senior besteedt 15 procent van zijn tijd aan coaching, opgenomen in functie, KPI en beloning. De partner denkt twee uur per maand hardop op echte dossiers, vastgelegd. Vaktechniek beheert de casusbibliotheek en de kennislaag. HRM borgt de leerdoelen en de consistente beoordeling en organiseert de drie beoordelaars. De vraag aan de partners: hoeveel trainees nemen jullie dit jaar aan, en hoeveel waren dat er vijf jaar geleden?

Wat moet er in 2028 staan en wat besluit je vandaag?

2028 is de tussenmijlpaal. Wat moet er dan staan om de fiscalist in 2030 en zijn dienstverlening haalbaar te maken? Getoetste werkstromen met herleidbare bronnen. Duidelijke dienstverlening en prijsafspraken. Voldoende reviewcapaciteit. Een werkend leerpad, dat echt gebruikt wordt. En periodieke evaluatie van kwaliteit en cliëntwaarde. Geen jaartalgarantie. De vraag: welke afhankelijkheid moeten we vóór 2028 oplossen om 2030 haalbaar te maken? Rangschik op urgentie.

De keuzes van vandaag beginnen bij de cliëntwaarde en de kwaliteitsgrenzen. Daarna één werkstroom, een eigenaar, beschikbare tijd en een meetwijze. En onderzoek eerst de huidige praktijk vóórdat je een tekort veronderstelt. Niet alles is nieuw. Wat goed is, neem je mee.

Hoe zien de eerste negentig dagen eruit?

Mijn voorstel: één afgebakende werkstroom, met een inhoudelijk eigenaar, een leerdoel, begeleiding en vooraf afgesproken criteria. Negentig dagen is een praktische voorsteltermijn, geen bewezen implementatieduur.

• Dag 1 tot 30: gebruiksdoel, huidige werkwijze en beoordelingscriteria vastleggen. Beschrijf wat de medewerker nu doet, welke tijdsoorten relevant zijn en welke fouten of herstelvragen meetellen. Dat is de nulmeting.
• Dag 31 tot 60: de afgebakende werkwijze beproeven, met review en leeropdrachten. Deelnemers krijgen dezelfde uitleg over de zaak én de grenzen. Reviewers leggen hun bevindingen op een vergelijkbare manier vast. Dossiers moeten voldoende vergelijkbaar zijn.
• Dag 61 tot 90: het besluit. Vergelijk de resultaten met de vooraf gekozen kwaliteits- en leercriteria. Kijk naar de totale tijd, herstel en doorlooptijd. Bespreek de uitzonderingen en de incidenten. Kies dan voor aanpassen, stoppen of gecontroleerd uitbreiden.

Geen echte cliëntdata zonder goedgekeurde route. Geen automatische uitrol. En de proef is geslaagd op vier criteria: kwaliteit (dragende fouten en herstel), tijd (voorbereiding plus review en herstel), cliëntwaarde (begrijpelijkheid en bruikbaarheid) en leren (zelfstandig oordeel op een nieuwe casus). Welk criterium geeft de doorslag? Dat bepaalt het kantoor zelf, vooraf.

De stip krijgt een eigenaar. Wat moet onze fiscalist in 2030 voor de cliënt betekenen? Welke bekwaamheid en werkstroom bouwen wij daarom nu? Wie neemt verantwoordelijkheid voor de eerste toetsbare stap? Leg keuze, eigenaar en evaluatiemoment vast. En de slotvraag die ik de partners meegaf: welke redenering laten jullie een junior volgende week zelf uitvoeren en verdedigen? Niet als symbolische oefening, maar als onderdeel van een echt leerdoel. En wie kijkt mee naar wat zij daarvan begrijpt?

Welke bronnen en jurisprudentie zijn hier relevant?

• Keynote spreker AI in fiscaliteit en accountancy: thema’s, duur en tarieven.
• Dell’Acqua e.a., Navigating the Jagged Technological Frontier (Harvard Business School, 2023): 758 consultants; effect verschilt per taak, geen fiscale benchmark.
• NIST AI 600-1, Generative AI Profile (2024): paragraaf 2.2 confabulatie, 2.4 privacy, 2.9 informatiebeveiliging, 3 risicobeheersing. Vrijwillig kader, geen Nederlandse wet.
• Bastani e.a., Generative AI without guardrails can harm learning (PNAS, 2025): wiskundeonderzoek bij scholieren, geen fiscale effectmeting.
• Collins, Brown en Holum, Cognitive Apprenticeship (American Educator, winter 1991): theorie, geen bewezen fiscaal leerpad.
• Brynjolfsson, Rock en Syverson, The Productivity J-Curve (AEJ Macroeconomics, 2021): complementaire investeringen, geen gegarandeerd kantoorrendement.
• Ten Cate, Entrustability of professional activities (Medical Education, 2005).
• AVG, Verordening (EU) 2016/679: artikel 5 lid 1 onder c, 6 lid 1, 28 lid 3 en 32 lid 1.
• NOB, nieuwe Code of Conduct en handreiking kantoorhandboek (22 april 2026): AI-toelichting bij artikel 1, 4 en 9.
• AI-verordening, Verordening (EU) 2024/1689: artikel 4 en artikel 50.
• NOB, De impact van AI binnen de fiscale dienstverlening (11 september 2026), cijfers per ervaringsniveau via Accountant.nl.
• Accountant.nl, Kabinet wil e-facturatie vanaf 2030 verplicht maken (11 september 2026).
• The Lancet Gastroenterology & Hepatology, endoscopist deskilling00133-5/abstract) (augustus 2025), met de kerncijfers samengevat in het persbericht via EurekAlert.
• Anthropic, How AI assistance impacts the formation of coding skills (januari 2026).
• Thomson Reuters, Future of Professionals Report 2025: verwachting van bijna 240 uur per jaar bij juridische professionals.

Jurisprudentie speelde in deze keynote geen inhoudelijke rol. Zilvermeeuw Machinebouw BV is een fictieve casus zonder fiscaal eindadvies, en juist dat maakte het gesprek over oordeel mogelijk.

Slot

Wat ik aan deze middag overhoud, is de rekensom. Niet omdat de getallen echt zijn, dat zijn ze niet, maar omdat het patroon overal terugkomt. Iedereen meet de voorbereiding die korter wordt. Bijna niemand meet de review die langer wordt. En precies daar zit de senior fiscalist in 2030, de schaarste van elk kantoor. Wie AI invoert zonder de reviewcapaciteit en het leerpad erbij te ontwerpen, koopt de J-curve zonder de opgaande kant.

De tweede zin die blijft hangen: een vinkje “mens bekeken” is onvoldoende als niemand de redenering kan uitleggen. Dat geldt voor het advies aan de cliënt en het geldt voor de opleiding van de junior. In beide gevallen is de vraag dezelfde. Niet óf er een mens naar keek. Maar waarom.

Veelgestelde vragen (FAQ)

Wat doet de fiscalist in 2030 anders dan nu?

AI bereidt voor: feitenlijst, eerste concept, vergelijkingstabel. De fiscalist onderscheidt mededeling, bewijs en aanname, formuleert de rechtsvraag, weegt fiscale gevolgen naast financiering, zeggenschap en familiebelangen, en draagt het oordeel. De ondernemer belt in 2030 voor de afweging, niet voor de opsomming van opties.

Wat is de Zilvermeeuw-casus?

Zilvermeeuw Machinebouw BV is een fictief technisch bedrijf, met een verzonnen naam die toevallig op een bestaande kan lijken, dat een machine-investering overweegt en later wil overdragen aan de volgende generatie. Het dossier is bewust onvolledig, zoals bijna elk echt dossier begint. We volgden zes stappen, van intake tot cliëntcommunicatie, en keken bij elke stap wat AI kan en wat de fiscalist moet. Er is geen fiscaal eindadvies gegeven.

Welke vier hulpmiddelen moet je uit elkaar houden?

Generatieve AI voor concepten en ordening, een zoekvoorziening voor vindplaatsen, een rekenmodel voor reproduceerbare berekeningen, en de fiscalist voor duiding, afweging en vrijgave. Een taalmodel is geen rekenmodel en geen zoekmachine. NIST noemt overtuigende, onjuiste inhoud confabulatie.

Hoeveel tijd bespaart AI de fiscalist in 2030?

Dat weet niemand voor jouw kantoor. In de fictieve rekensom ging voorbereiding van 180 naar 75 minuten, maar review en herstel van 60 naar 120. Netto 45 minuten, niet 105. Wie alleen de voorbereiding meet, overschat de winst met een factor twee. Het patroon heet de productiviteits-J-curve.

Maakt AI professionals beter of slechter?

Beide, blijkt uit onderzoek onder 758 BCG-consultants: binnen het bereik van het model sneller en beter, erbuiten vaker fout. De grens is grillig en vooraf onzichtbaar. Het verschil zien is het vak. Test daarom je eigen taak, met eigen gegevens en eigen controles.

Wat betekent AI voor de opleiding van juniors?

Bastani e.a. lieten zien dat scholieren met een vrije chatbot meer oefenopgaven goed maakten, maar 17 procent lager scoorden op de toets zonder hulp. Met een chatbot die alleen hints gaf, bleef het leereffect intact. Voor het kantoor: behoud eigen analyse, gerichte feedback en toetsing zonder AI. Anders groeit productie sneller dan begrip.

Wanneer ben je senior fiscalist in 2030?

Niet na zeven jaar, maar bij aantoonbaar niveau 4 op acht kernactiviteiten, gemeten met de vijf niveaus van toevertrouwde beroepsactiviteiten uit de geneeskunde (ten Cate, 2005). Bewijs: veertig beslisverslagen, twee trainees naar niveau 3 gebracht, drie beoordelaars. Declarabele uren zijn geen criterium.

Welke regels gelden voor AI en cliëntgegevens?

De AVG: grondslag, dataminimalisatie, verwerkersovereenkomst en beveiliging. De NOB Code of Conduct van 22 april 2026 met AI-toelichting bij artikel 1, 4 en 9 voor NOB-leden; voor RB-leden het Reglement Beroepsuitoefening. En de AI-verordening: AI-geletterdheid sinds februari 2025, transparantie sinds augustus 2026.

Wie mag een AI-ondersteund advies vrijgeven?

Per werkstroom een opsteller, een passende reviewer en een bevoegde vrijgever. Passend betekent deskundig genoeg en met tijd. Leg dragende bronnen, aannames en afwijkingen vast. Een vinkje “mens bekeken” is onvoldoende als niemand de redenering kan uitleggen.

Wat zijn de eerste negentig dagen?

Eén afgebakende werkstroom met een eigenaar, een leerdoel en vooraf afgesproken criteria. Dag 1 tot 30 nulmeting, dag 31 tot 60 beproeven met review en leeropdrachten, dag 61 tot 90 besluiten: aanpassen, stoppen of gecontroleerd uitbreiden. Geen echte cliëntdata zonder goedgekeurde route. Negentig dagen is een voorsteltermijn, geen bewezen implementatieduur.

Wat moet er in 2028 al staan?

Getoetste werkstromen met herleidbare bronnen, duidelijke dienstverlening en prijsafspraken, voldoende reviewcapaciteit, een werkend leerpad en periodieke evaluatie van kwaliteit en cliëntwaarde. 2028 is de tussenmijlpaal die 2030 haalbaar maakt.

Is deze keynote ook geschikt voor accountantskantoren?

Ja. De zes stappen, de vier hulpmiddelen, de rekensom en het leerpad gelden voor elke adviespraktijk waar juniors leren door productiewerk. De fiscalist in 2030 en de accountant in 2030 delen hetzelfde probleem: het leerwerk verdwijnt het eerst. Voor een gemengde zaal pas ik de casus aan. De opties staan op de keynote-pagina.

🔦 Alleen voor Vuurtoren-lezers

Lezers van De Fiscale Vuurtoren krijgen als eersten de werkinstructie aan AI uit deze keynote als kant-en-klaar sjabloon, plus de rekensom als invulblad: voorbereiding, review en herstel, met de drie regels die je in een proef moet meten. En de acht kernactiviteiten met de vijf niveaus, als eerste opzet voor het promotiebewijs van jouw fiscalist in 2030.

Nog geen abonnee? Het aanmeldformulier staat onderaan deze pagina. Bijna wekelijks, altijd over AI in de fiscale en accountancypraktijk, nooit reclame.

🎓 Liever met het hele team onder begeleiding?

De keynote schetst waar het kantoor van 2030 heen gaat. De basiscursus AI voor belastingadviseurs en accountants doet het praktische deel: AI-output beoordelen, bronnen openen en verifiëren, een werkinstructie schrijven die het model beperkt tot wat het kan, en de reviewvraag naar het sterkste tegenargument. Incompany of open inschrijving, met je eigen dossiers als oefenmateriaal.

AI-disclaimer

Deze blog is met behulp van AI opgesteld en door Ron Meijer RB inhoudelijk gecontroleerd, geverifieerd tegen de originele bronnen en geaccordeerd voor publicatie. Blauwe Vrijdag verantwoordt AI-gebruik conform de EU AI-verordening (Verordening (EU) 2024/1689), waaronder artikel 50 (transparantieplicht), gehandhaafd sinds 2 augustus 2026 door de Europese Commissie en de Autoriteit Persoonsgegevens.

Elke feitelijke bewering in deze blog is voorzien van een inline bronvermelding, zodat je de claim zelf tot in de puntjes kunt verifiëren. Waar wij onzekerheid signaleren, staat dat er expliciet bij.

Vragen of correcties? Mail hallo@blauwevrijdag.nl.

Over Ron

Vakinhoud, AI-voorsprong en 20 jaar praktijkervaring

Ron Meijer RB is registerbelastingadviseur met 20 jaar ervaring in de fiscale praktijk en voorzitter van de Commissie AI & Digitalisering van het Register Belastingadviseurs (RB). Daarnaast is hij oprichter van Blauwe Vrijdag en auteur van het veelverkochte vakboek AI in de fiscale praktijk en van de wekelijkse nieuwsbrief De Fiscale Vuurtoren over AI in het vak. Hij is een veelgevraagd spreker en trainer en verzorgt AI-cursussen voor beroepsorganisaties en kantoren, waaronder SRA, Lefebvre Sdu en NOAB. Ook Blauwe Vrijdag zelf verzorgt AI-cursussen voor belastingadviseurs en accountants.

Meer over Ron Meijer RB →

🔦 De Fiscale Vuurtoren

AI verandert ons vak sneller dan ooit. De Fiscale Vuurtoren is het licht in onzekere tijden: mijn (bijna) wekelijkse nieuwsbrief voor honderden accountants, belastingadviseurs, juristen en advocaten. Geen hype, maar houvast — verhalen uit de praktijk, prompts en tools die je maandag al kunt gebruiken. Meld je hieronder aan en vaar op zeker.

Blij met mijn tip?

Wees sportief en gun mij een kop koffie 😉.